label_encoder#

一个将目标标签编码为介于 0 和 num_classes - 1 之间值的转换器。

模块内容#

类摘要#

LabelEncoder

一个将目标标签编码为介于 0 和 num_classes - 1 之间值的转换器。

目录#

class evalml.pipelines.components.transformers.encoders.label_encoder.LabelEncoder(positive_label=None, random_seed=0, **kwargs)[source]#

一个将目标标签编码为介于 0 和 num_classes - 1 之间值的转换器。

参数

positive_label (int, str) – 对于二元分类问题，应被视为正类别（1）的标签。对于多类别问题将忽略。默认为 None。
random_seed (int) – 随机数生成器的种子。默认为 0。忽略。

属性

超参数范围	{}
修改特征	False
修改目标	True
名称	标签编码器
仅训练	False

方法

`克隆`	使用相同的参数和随机状态构造一个新的组件。
`默认参数`	返回此组件的默认参数。
`描述`	描述一个组件及其参数。
`拟合`	拟合标签编码器。
`拟合并转换`	使用标签编码器拟合并转换数据。
`逆转换`	解码目标数据。
`加载`	从文件路径加载组件。
`需要拟合`	返回一个布尔值，确定组件在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合。
`参数`	返回用于初始化组件的参数。
`保存`	将组件保存到文件路径。
`转换`	使用已拟合的标签编码器转换目标。
`更新参数`	更新组件的参数字典。

clone(self)#

使用相同的参数和随机状态构造一个新的组件。

返回: 此组件的新实例，具有相同的参数和随机状态。

default_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default_parameters == Component().parameters。

返回: 此组件的默认参数。
返回类型: dict

describe(self, print_name=False, return_dict=False)#

描述一个组件及其参数。

参数

print_name (bool, optional) – 是否打印组件名称
return_dict (bool, optional) – 是否以字典格式 {"name": name, "parameters": parameters} 返回描述

返回

如果 return_dict 为 True 则返回字典，否则返回 None。

返回类型

None 或 dict

fit(self, X, y)[source]#

拟合标签编码器。

参数

X (pd.DataFrame) – 输入训练数据，形状为 [n_samples, n_features]。忽略。
y (pd.Series) – 目标训练数据，长度为 [n_samples]。

返回

self

引发

ValueError – 如果输入 y 为 None。

fit_transform(self, X, y)[source]#

使用标签编码器拟合并转换数据。

参数

X (pd.DataFrame) – 输入训练数据，形状为 [n_samples, n_features]。
y (pd.Series) – 目标训练数据，长度为 [n_samples]。

返回

原始特征和目标数据的编码版本。

返回类型

pd.DataFrame, pd.Series

inverse_transform(self, y)[source]#

解码目标数据。

参数: y (pd.Series) – 目标数据。
返回: 目标数据的解码版本。
返回类型: pd.Series
引发: ValueError – 如果输入 y 为 None。

static load(file_path)#

从文件路径加载组件。

参数: file_path (str) – 加载文件的位置。
返回: ComponentBase 对象

needs_fitting(self)#

返回一个布尔值，确定组件在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合。

对于不需要拟合或其拟合方法不执行任何操作的组件，可以将其重写为 False。

返回: True。

property parameters(self)#: 返回用于初始化组件的参数。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

file_path (str) – 保存文件的位置。
pickle_protocol (int) – pickle 数据流格式。

transform(self, X, y=None)[source]#

使用已拟合的标签编码器转换目标。

参数

X (pd.DataFrame) – 输入训练数据，形状为 [n_samples, n_features]。忽略。
y (pd.Series) – 目标训练数据，长度为 [n_samples]。

返回

原始特征和目标数据的编码版本。

返回类型

pd.DataFrame, pd.Series

引发

ValueError – 如果输入 y 为 None。

update_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

update_dict (dict) – 要更新的参数字典。
reset_fit (bool, optional) – 如果为 True，将把 _is_fitted 设置为 False。